Integrated hierarchical forecasting

پیش بینی ها اغلب در سطوح مختلف جمع آوری محصولات منحصر به فرد ساخته می شوند که در سطوح سلسله مراتبی بالاتر ترکیب می شوند. ما یک جایگزین برای بحث های سنتی پیش بینی از بالا به پایین و از بالا به پایین با بررسی اینکه چگونه سلسله مراتب از محصولات می تواند مورد سوء استفاده قرار زمانی که پیش بینی تولید می شود. به جای انتخاب مجموعه ای از قسمت های سلسله مراتبی برای پیش بینی، ما امکان استفاده از تمام سری ها را بررسی می کنیم. علاوه بر این، به جای استفاده از سلسله مراتب بعد از پیش بینی اولیه، ما ساختار سلسله مراتبی را به عنوان یکی از ویژگی های تعریف کننده فرآیند تولید داده ها در نظر می گیریم و از آن استفاده می کنیم تا بلافاصله پیش بینی های مربوط به تمام سطوح سلسله مراتب را تولید کنیم. این روش یکپارچه از یک مدل فضای حالت و فیلتر کلمن استفاده می کند تا به طور صریح وابستگی های محصول را شامل می شود، مانند مکمل بودن محصولات و تعویض محصول، که در غیر این صورت نادیده گرفته می شوند. یک مطالعه تجربی نشان می دهد که سود قابل توجهی در عملکرد پیش بینی و موجودی در تعمیم رویکردهای پیش بینی شده از بالا به بالا و پایین به یک رویکرد یکپارچه نشان می دهد. رویکرد یکپارچه به طور کلی برای پیش بینی سلسله مراتبی به کار می رود و فراتر از استفاده فعلی از پیش بینی تقاضا برای تولید کنندگان است.